根据被试者在实验时填写的问卷和本文视频观察结果来看,被试的恐惧程度是很强,从图2和图3可以看出,在恐惧时与平静时相比,β波得到了明显的增强,这一特征可用于情感状态的识别。
对从32组实验数据中提取的β波在恐惧和平静的情感状态下进行平均能量计算的比较,结果如表1所示。
表1 恐惧和平静时β波的平均能量计算结果
数据总组数 恐惧≥平静的数据组数
恐惧<平静的数据组数
正确率/(%)
参考文献
[1] Picard R W. Affective Computing[M]. Cambridge, UK: MIT Press,
1997.
[2] Picard R W, Vyzas E, Healey J. Toward Machine Emotional
Intelligence: Analysis of Affective Physiological State[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(10): 1175-1191.
[3] Kim K H, Bang S W, Kim S R. Emotion Recognition System Using
Short-term Monitoring of Physiological Signals[J]. Med. Boil. Eng. Comput., 2004, 42(3): 419-427.
32 26 6 81
由以上实验仿真结果发现,β波在恐惧和平静时的功率
[4] Goronzy A H S, Schaich P, Williams J. Emotion Recognition Using
谱有明显变化。在恐惧时,β波得到了明显增强,在睁眼视
Bio-Sensors: First Step Towards an Automatic System[C]//Proc. of
物、情绪紧张、焦虑不安、惊疑恐惧或服用安定等药物时,
Affective Dialogue Systems, Tutorial and Research Workshop.
β波活动急剧增多,这与先验知识吻合。由此可根据β波的
Kloster Irsee, Germany: [s. n.], 2004.
功率谱变化来识别恐惧和平静这2种情感状态。
5 结束语
本文通过小波包变换对实验自采的数据进行小波包分解,将脑电信号中β波频段所包含的节点进行信号的重构,从而提取出β波,然后对其进行谱分析。实验仿真结果表明,β波在恐惧和平静时的功率谱存在明显差异,该差异可用于情感状态的识别,说明脑电信号中的β波节律用于情感状态的识别是可行的。
在后期的工作中,对于β波在频域的特征还有待进一步研究,可用一些现代的谱估计方法对β波进行分析,以达到更好的效果。并在其他情感状态中分析β波的各种频域特征,以便将β波用于更多的情感状态识别研究。
(上接第162页)
当系统增加新成员时,Pn+1的秘密信息zn+1由Uh中参与者分割其部分秘密信息并相加所得,由于所有的sharei的都是随机选取,因此将秘密信息zi重新分割成各个独立的同时各个sharei均通过秘密信道安全发送sharei是不可行的,
到Pn+1,攻击者无法获得各个sharei。参数刷新过程中的安全性同样依赖于离散对数与二次剩余问题的困难性。
当系统成员退出时,Uh中t+1个参与者恢复出退出成员
Pr的秘密信息zr,并由Pz将秘密信息Pr分割后秘密发送到Uh,同时所有的组成员将退出成员Pr的公开参数置为特殊
[5] Wagner J, Kim J, André E. From Physiological Signals to Emotions:
Implementing and Comparing Selected Methods for Feature Extraction and Classification[C]//Proc. of ICME’05. Amsterdam, Netherlands: [s. n.], 2005.
[6] Hughes J R. EEG in Clinical Practice[M]. [S. l.]: Butterworth-
Heinemann, 1994.
[7] 韩 伟, 张泾周, 刘园园, 等. 脑电节律提取的小波变换方法[J].
中国医疗器械杂志, 2006, 30(1): 19-21.
[8] 王首勇, 朱光喜, 唐远炎. 应用最优小波包变换的特征提取方
法[J]. 电子学报, 2003, 31(7): 1035-1038.
编辑 金胡考
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Proc. of EUROCRYPT’91. Berlin, Germany: Springer-Verlag, 1991.
[2] Gennaro R, Jarecki S, Krawczyk H, et al. Secure Distributed Key
Generation for Discrete-log Based Cryptosystem[C]//Proc. of EUROCRYPT’99. Berlin, Germany: Springer-Verlag, 1999. [3] Fouque P, Stern J. One Round Threshold Discrete-log Key
Generation Without Private Channels[C]//Proc. of PKC’01. Berlin, Germany: Springer-Verlag, 2001.
[4] Zhang Rui, Imai H. Round Optimal Distributed Key Generation of
Threshold Cryptosystem Based on Discrete Logarithm Problem[C]// Proc. of ACNS’03. Kunming, China: [s. n.], 2003.
[5] Canny J, Sorkin S. Practical Large-scale Distributed Key Gene-
ration[C]//Proc. of EUROGRYPT’04. Berlin, Germany: Springer- Verlag, 2004.
[6] Feldman P. A Practical Scheme for Non-interactive Verifiable Secret
Sharing[C]//Proc. of the 28th IEEE Symposium on Foundations of Computer Science. New York, USA: IEEE Press, 1987.
[7] Pedersen T. Non-interactive and Information-theoretic Secure
Verifiable Secret Sharing[C]//Proc. of Cryptology-Crypto’91. Berlin, Germay: Springer-Verlag, 1991.
[8] Gennaro R, Halevi S, Krawczyk H, et al. Threshold RSA for
Dynamic and Ad Hoc Groups[Z]. (2008-04-05). doc.guandang.net. org.
[9] Noack A, Spitz S. Dynamic Thresold Cryptosystem Without Group
Manager[Z]. (2008-03-01). doc.guandang.net.
标志就可以实现成员的安全退出。
可以看出,当系统成员增加或退出时,刷新的是公开参数,而无需更新用户的已分享的子秘密,即用户的子秘密信息可重复使用,从而减少了动态网络中因用户的加入或退出所需要的通信轮数,提高了整个密码系统的工作效率。
4 结束语
本文基于离散对数及二次剩余难题,提出了一个高效的自适应分布式密钥生成方案,通过重复使用子秘密信息,减少了密钥更新时秘密分发者与秘密分享者之间的通信量,有效提高了密码系统的工作效率。但该方案只能工作于安全信道中,不能抵抗来自攻击者的主动攻击,这一问题将有待进一步研究。
参考文献
[1] Pedersen T. A Threshold Cryptosystem Without a Trusted Party[C]//
编辑 顾姣健
— —170
·人工智能及识别技术· 脑电信号在情感识别中的应用陈 曾 1,刘光远 2 (1. 西南大学计算机与信息科学学院,重庆 400715;2. 西南大学电子信息工程学院,重庆 ...
西南大学 硕士学位论文 脑电信号在情感识别中的研究 姓名:陈曾 申请学位级别:硕士 专业:计算机应用技术 指导教师:刘光远 20100401 西南大学硕士学位论文 摘要 脑电...
运动想象脑电信号识别研究_专业资料。通过对运动想象脑电信号的分类,对受试者进行身份识别。采用一种盲源分离算法——二阶盲辨识对运动想象脑电信号进行处理,提高运动...
对3位受试者的4类运动想象脑电信号分别进行了分类识别,结果显示,4类运动想象脑电信号的识别率均达到80CmueEgneigadplain 计算 机工程 与应用 optnier Apitsrnnco 21,...
基于四类运动想象任务的脑电信号识别_专业资料。背景:脑-机接口是在大脑与外部设备之间建立的直接的交流通路,基于运动想象的脑-机接口研究已经从两类运动想象任务的...
癫痫信号的自动识别技术,能够提高癫痫信号检验的正确度。 本文在综述国内外研究脑电信号的各种常用方法后,重点介绍独立分量分析和小波分析 在脑电信号预处理中的应用...
最后, 根据提取的特征进行了手指动作的识别, 在对三个人的脑电数据识别中, ...s。¨. 应用 CSSD算法于左 、 右手指动作识别步骤如下 : 第一步 : 求信号...
脑电信号的识别率均达到 左右 ,其 中最彻 勺 是想象舌动脑 电信号 ,其识别...胡剑锋 基于运动想象的脑机接 口残疾人游戏辅助平台的设计与应用【 研究与临床...
热门文档